[發(fā)明專利]一種基于軌跡相似度的轉(zhuǎn)向路徑提取及路網(wǎng)拓?fù)渥兓瘷z測框架方法

有效

• 申請?zhí)枺?/td>: 202010059781.7
• 申請日: 2020-01-19
• 公開（公告）號: CN111291790B
• 公開（公告）日: 2021-03-26
• 發(fā)明（設(shè)計）人: 毛嘉莉;趙俐晟;劉國平;錢衛(wèi)寧;周傲英
• 申請（專利權(quán)）人: 華東師范大學(xué);北京嘀嘀無限科技發(fā)展有限公司
• 主分類號: G06K9/62
• 分類號: G06K9/62
• 代理公司: 上海德禾翰通律師事務(wù)所 31319
• 代理人: 陳艷娟

1.一種基于軌跡相似度的轉(zhuǎn)向路徑提取及路網(wǎng)拓?fù)渥兓瘷z測框架方法，其特征在于，包括以下步驟：

步驟S1:對檢測區(qū)域的所有軌跡兩兩進(jìn)行相似度度量，生成相似度矩陣；

步驟S2:基于步驟S1產(chǎn)生的相似度矩陣，使用DBSCAN算法對所有軌跡進(jìn)行聚類生成轉(zhuǎn)向簇；

步驟S3:基于步驟S2生成的轉(zhuǎn)向簇，提取各轉(zhuǎn)向簇的中心線，獲得代表各簇的轉(zhuǎn)向路徑；

步驟S4:基于步驟S3獲得的道路交叉口轉(zhuǎn)向路徑，提取相關(guān)的路網(wǎng)凸包，并使用HMM模型，與原始路網(wǎng)進(jìn)行地圖匹配，檢測發(fā)生拓?fù)渥兓穆肪W(wǎng)區(qū)域。

2.根據(jù)權(quán)利要求1所述的基于軌跡相似度的轉(zhuǎn)向路徑提取及路網(wǎng)拓?fù)渥兓瘷z測框架方法，其特征在于，所述步驟S1具體包括：

Fréchet距離是目前測量兩條曲線之間相似度的常用方法,因此，定義任意兩條軌跡Tr_a和Tr_b的相似度為f(Tr_a,Tr_b)＝d_Fréchet(Tr_a,Tr_b)，生成弗雷歇相似度矩陣考慮道路網(wǎng)絡(luò)中交叉口大小不一，聚類時不能用統(tǒng)一的相似距離閾值評測軌跡間的相似性；因此，設(shè)計自適應(yīng)相似距離閾值代替統(tǒng)一閾值，表示為ζ＝弗雷歇距離矩陣的中位數(shù)/β，經(jīng)多次觀測實(shí)驗(yàn)確定β＝3.5時能獲得較好的聚類效果；此外，鑒于使用Fréchet(弗雷歇)距離難以區(qū)分不同的轉(zhuǎn)向類型，將軌跡位置和方向權(quán)值的比較引入相似性評測過程，分別計算各軌跡間的起點(diǎn)夾角和終點(diǎn)夾角：如果起點(diǎn)或終點(diǎn)的夾角大于15度，則方向權(quán)重為1，否則方向權(quán)重為0，產(chǎn)生方向權(quán)重矩陣與此同時，分別計算各軌跡間的起點(diǎn)距離和終點(diǎn)距離，如果起點(diǎn)或終點(diǎn)的位置距離大于20米，則位置權(quán)重為1，否則位置權(quán)重為0，產(chǎn)生位置權(quán)重矩陣

最終的相似度矩陣表示為TSM＝M_Fréchet+(W_direction+W_location)*ζ。

3.根據(jù)權(quán)利要求1所述的基于軌跡相似度的轉(zhuǎn)向路徑提取及路網(wǎng)拓?fù)渥兓瘷z測框架方法，其特征在于，所述步驟S2包括：

DBSCAN聚類方法有兩個重要參數(shù)min_sample與eps；設(shè)定min_sample＝3，表示至少有3條相似的軌跡聚成一類；設(shè)定eps＝ζ，表示當(dāng)軌跡間的相似度距離小于相似度閾值ζ時兩條軌跡相似，最終由軌跡相似度矩陣聚類獲得不同的轉(zhuǎn)向簇。

4.根據(jù)權(quán)利要求1所述的基于軌跡相似度的轉(zhuǎn)向路徑提取及路網(wǎng)拓?fù)渥兓瘷z測框架方法，其特征在于，所述步驟S3具體包括：

為了加快中心線的擬合效率，首先在各簇中隨機(jī)采樣了k條軌跡作為候選參照軌跡，計算當(dāng)前候選參照軌跡與其余候選參照軌跡的弗雷歇距離的和，并取與其他軌跡間弗雷歇距離和最小的軌跡作為正式的參照軌跡；隨后使用force-attraction方法對該參照軌跡中的點(diǎn)進(jìn)行調(diào)整獲得中心線，最后用B-spline方法對中心線進(jìn)行平滑，得到各簇的轉(zhuǎn)向路徑。

5.根據(jù)權(quán)利要求1所述的基于軌跡相似度的轉(zhuǎn)向路徑提取及路網(wǎng)拓?fù)渥兓瘷z測框架方法，其特征在于，所述步驟S4具體包括：

步驟4.1)，由提取的轉(zhuǎn)向路徑覆蓋范圍獲取對應(yīng)道路交叉口的子路網(wǎng)凸包；

步驟4.2)，將轉(zhuǎn)向路徑進(jìn)行分類，考慮允許掉頭的交叉路口其轉(zhuǎn)向路徑通常位于平行道路的中間，在Map Matching時容易被誤匹配到其領(lǐng)近的平行道路上，因此將路口的轉(zhuǎn)向路徑分為掉頭與非掉頭兩類，其中，將轉(zhuǎn)向路徑起點(diǎn)和終點(diǎn)的方向差在130°以上的視為掉頭路徑；

步驟4.3)，利用原始路網(wǎng)與轉(zhuǎn)向路徑進(jìn)行匹配，發(fā)現(xiàn)異常路段；首先對轉(zhuǎn)向路徑上的各個點(diǎn)設(shè)定搜索半徑默認(rèn)為25米，在該半徑內(nèi)的路網(wǎng)路段即為可能匹配的路段；根據(jù)HMM方法，將轉(zhuǎn)向路徑上的點(diǎn)作為觀測變量，將相應(yīng)的路網(wǎng)作為每個點(diǎn)的隱變量；然后，利用轉(zhuǎn)向路徑上的點(diǎn)與其搜索半徑內(nèi)的相關(guān)路網(wǎng)路段的歐式距離建立觀測概率；同時，由路網(wǎng)路段上的前后兩個點(diǎn)的距離與轉(zhuǎn)向路徑上的前后兩個點(diǎn)的距離差計算得到狀態(tài)轉(zhuǎn)移概率，距離越接近，則狀態(tài)轉(zhuǎn)移概率越大；最后，使用Viterbi算法獲得概率最大的路徑，通過該路徑判斷轉(zhuǎn)向中心線與路網(wǎng)的匹配程度。